跳到正文
arXiv · ML· Mohammad Khoshnazar, Mohammad Dehghani Tezerjani, Zhiyuan Gao, Deyuan Qu, Max Gandyra, Yanxiang Zhan, Mehreen Naeem, Andrew Melnik, Jeroen Schafer, Qing Yang, Michael Beetz·· 2026-10-09AI 评分21

RAFC:面向时间鲁棒机器人操作的可靠性感知未来条件生成

Reliability-Aware Future Conditioning for Temporally Robust Robot Manipulation

AI 导读

提出可靠性感知未来条件生成(RAFC),将时间错位视为控制问题而非生成问题,在 CALVIN 基准上将成功率从 26.7% 提升至 56.7%。 RAFC 在 FEC 基础上,每步估计对视频片段的信任度并优先选择邻近时间假设,仅从任务奖励中学习,无需移位标签。 在 Franka 机械臂自然时序失配场景下,聚合成功率从 26.7% 升至 56.7%,显著提升操作鲁棒性。

来源:arXiv · ML · arxiv.org